Fogalomtár › Generatív média

mintavételi lépés

angolul: sampling steps

A mintavételi lépések száma azt mutatja meg, hány fordulóban tisztítja ki a diffúziós elven működő képgeneráló AI a kiinduló zajból a kész képet.

Érthetően

Sok mai képgeneráló AI, az úgynevezett diffúziós modellek, nem egyetlen mozdulattal rajzolnak. Egy szemcsés, hangyás tévéképhez hasonló zajból indulnak, és ezt több körben, apránként tisztítják képpé. Egy ilyen kör egy mintavételi lépés. Nem minden képgenerátor működik így: némelyik darabonként, egymás után rakja össze a képet, ott ez a beállítás nem létezik.

Olyan ez, mint amikor a szobrász farag: az első csapásokkal a nagy formákat alakítja ki, a későbbiekkel a részleteket finomítja. Kevés lépésnél a kép elnagyolt, maszatos marad, több lépésnél kidolgozottabb lesz.

A lépésszám alku a minőség és a sebesség között. Minden lépés számítási időt, tehát várakozást és pénzt jelent. Egy ponton túl a további lépések már alig javítanak a képen, csak lassítják a munkát.

Ez a beállítás csak a kép elkészítésére vonatkozik, a modell betanítására nem. Ugyanaz a modell több és kevesebb lépéssel is futtatható.

Hogyan működik

1. A rendszer véletlenszerű zajból indul, amelyben még semmi nem látszik. A kiinduló zajt egy szám, a seed határozza meg.
2. Minden lépésben a modell megbecsüli, hogy a pillanatnyi képből mi a zaj, és a szöveges utasításod alapján egy részét eltávolítja.
3. Az első lépések döntik el a kompozíciót: mi hol van, milyenek a fő színek és formák. A későbbi lépések a textúrákat, éleket és apró részleteket csiszolják.
4. Azt, hogy az egyes lépések mekkorát és milyen ütemben haladjanak, a mintavételező eljárás (sampler) és az ütemező szabja meg. Ezért ugyanannyi lépés más-más eljárással eltérő eredményt ad.
5. A legtöbb rendszer nem közvetlenül a képpontokon, hanem a kép tömörített, belső változatán dolgozik, és ezt az utolsó lépés után alakítja látható képpé. Videónál és hangnál lényegében ugyanez a folyamat zajlik, videónál jóval több adaton.

Példa a mindennapokból

Kit érint

Gyakori félreértés

Korlátok és kockázatok

• A lépésszám nem javítja meg a rossz utasítást vagy a gyenge modellt: a hibás kompozícióból több lépéssel is csak élesebb hibás kép lesz.
• Nincs mindenhol érvényes ideális érték. Ami az egyik modellnél 30 lépés, az a másiknál 4, ezért mindig nézd meg az adott modell ajánlását.
• A kevés lépésre gyorsított modellek gyakran valamennyit veszítenek a részletgazdagságból vagy a változatosságból a sebességért cserébe.
• Sok fogyasztói alkalmazás elrejti ezt a beállítást, és legfeljebb „gyors” vagy „minőségi” módot kínál helyette.

Hasonló, de nem ugyanaz

• tanítási lépés – A tanítási lépés a modell betanításának egy fordulója, a mintavételi lépés viszont a már kész modell használatakor, a kép előállítása közben zajlik.
• mintavételező eljárás (sampler) – A sampler a zajmentesítés módszere, vagyis az, hogyan halad a rendszer, a lépésszám pedig az, hogy hány fordulóban teszi ezt.
• útmutatási erősség (CFG-skála) – A CFG-skála azt szabályozza, mennyire szorosan kövesse a kép a szöveges utasítást, nem pedig azt, hány körben készül el.

Kapcsolódó fogalmak

Röviden a története

A diffúziós képgenerálás 2020-as alapműve, a DDPM-tanulmány még ezer lépéssel dolgozott. Ugyanebben az évben a DDIM-módszer megmutatta, hogy ennek töredéke is elég. 2023-tól a konzisztenciamodellek és a desztillált „turbo” változatok néhány, akár egyetlen lépésre szorították le a folyamatot.

Hol tart most

2026 végén a nyílt képgeneráló eszközökben alapbeállítás, jellemzően 20–50 lépés a szokásos, a gyorsított modelleknél 1–8. A fogyasztói alkalmazások többnyire elrejtik, a fejlesztés iránya pedig a minél kevesebb lépés, főleg a videógenerálásban.

Állapot: 2026. november

Más nevei

mintavételi lépések · mintavételezési lépések · lépésszám · sampling steps · inference steps · num_inference_steps · denoising steps · steps

Források

• Ho, Jain, Abbeel: Denoising Diffusion Probabilistic Models (2020)
• Song, Meng, Ermon: Denoising Diffusion Implicit Models (2020)
• Wikipedia: Diffusion model

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.